30秒サマリー
- Condé NastがAmazon BedrockとTwelveLabs Marengoを使いマルチモーダル動画検索システムを構築
- 1タスクあたりの動画探索時間を250分から約2分へと99.2%削減し、年間約80万ドルのコスト削減を試算
- AWSのGenAI Innovation Centerとの協働事例をAWS公式ブログが2026年9月に公開
何が起きたか
AWS Machine Learning公式ブログは、Condé Nastが同社の動画アーカイブ（14万本超）に対してAmazon Bedrockを活用したマルチモーダル動画検索ソリューションを構築した経緯と技術詳細を解説した記事を公開した。
Condé Nastの編集チームはVogue・GQ・Vanity Fair・Wiredなどのブランドにまたがり、コンテンツ探索に平均250分を費やしていた。既存の検索ツールは動画の中身を参照できず、タイトルや説明文のキーワードのみに依存していたため、アーカイブ内の多くのコンテンツが実質的に「発見不可能」な状態だったと同ブログは説明している。
AWSのGenerative AI Innovation Center（GenAIIC）との協働で構築されたシステムは、TwelveLabs製の「Marengo」埋め込みモデルをAmazon Bedrock経由で利用し、映像・音声・文字起こしを横断したベクトル検索をAmazon OpenSearch Service上で実現する。アーキテクチャは「取り込み・インデックス生成」と「クエリ・サービング」の2プレーンを非同期で分離し、スケーラビリティと可用性を確保。検索はキーワードではなく自然言語の意図ベースで行われ、結果には動画内の正確なタイムスタンプが付与される。
Condé Nastが2026年5月に実施したベンチマーキングワークショップでの計測によると、1タスクの探索時間は約2分（99.2%削減）、手動での動画確認作業は90%超削減、年間推定削減コストは約80万ドルとされている。ブログでは「6か月間本番稼働を続けており、取り込みパイプラインの更新中も検索サービスの可用性は維持された」とも記している。
原典ハイライト
「検索ツールは動画の中身を参照できない」という構造的課題を、映像・音声・文字起こしを同時エンコードするマルチモーダル埋め込みモデル（TwelveLabs Marengo）とAmazon OpenSearchによるk-NNベクトル検索の組み合わせで解決。2026年5月のベンチマーク計測で250分→2分（99.2%削減）、年間約80万ドルの運用コスト削減を確認した点が核心。
出典: AWS Machine Learning Blog（公式ブログ）
So What?（なぜ重要か）
本事例が示すのは、「動画の中を検索できない」という大規模メディア企業に共通する構造的課題に対し、マルチモーダルAIが定量的かつ即効性のある解を提供できるという実証である。広告主へのコンテンツ提案や権利許諾などスピードが収益に直結する業務において、AI検索の導入は競争優位の源泉になりうる。また取り込みとサービングを分離した設計や、マルチAZ構成を初期から組み込む判断など、本番運用に耐える実装ノウハウが公式ブログで開示されており、類似システムの設計参照として活用できる。
日本企業への示唆
放送局・出版社・広告代理店など大量の動画アセットを保有する日本企業にとって、本事例は直接的な参照モデルとなる。素材探索・版権確認・広告用クリップ選定などで担当者が費やしている非効率な手作業の定量化から着手し、Amazon BedrockおよびOpenSearchを軸にしたPoC設計の根拠として活用できる。また、モデル選定（ここではTwelveLabs Marengo）や動画チャンク長のチューニングが精度に直結するとブログが指摘しており、実際のユーザーインタビューに基づいてクエリ設計を行うことが成否のカギと理解しておく必要がある。
背景・経緯
Condé Nastは世界的なメディアグループで、Vogue・GQ・Vanity Fair・Wiredなど多数のブランドを展開する。同社は14万本超の動画ライブラリを保有しているが、既存の検索インフラはメタデータ（タイトル・説明文）のみに依存しており、編集チームは制度的知識や手動スクラブに頼ってコンテンツを探し出していた。このボトルネックが速報性を求める媒体運営においてビジネス損失につながっていたと原文は説明している。AWSのGenAIIC（Generative AI Innovation Center）はAWSが提供するAI活用支援組織で、今回の開発パートナーとして参画している。
